- 元宇宙：本站分享元宇宙相关资讯，资讯仅代表作者观点与平台立场无关,仅供参考.
来源 |零壹财经
作者 |彭佳焱
1946年，第一台电子计算机问世。1947年，赫伯特.西蒙在《行政组织的决策过程》中写道：如果能利用存储在计算机里的信息来辅助决策，人类理性的范围将会扩大，决策的质量就能提高。他预测，在后工业时代，人类社会面临的中心问题将从如何提高生产率转变为如何更好地利用信息来辅助决策。
1989年，Gartner提出商务智能（BI）定义：一系列以事实为支持、辅助商业决策的技术和方法。
2006年之前，国内主要商业银行已经纷纷上马商务智能系统，然而面临着缺乏确凿、可信、有效数据的瓶颈问题。正是从大约2000年之后，中国商业银行的数据管理开始起步了。
20年之后，中国商业银行已经在纷纷探索数据资产管理：如今，银行不仅能把数据作为辅助决策工具，更是把它当做一种资产来管理。从计算机问世到商务智能，人们用了50多年。从商务智能到数据资产管理，演化的速度要快得多。
但对于商业银行来说，数据资产管理依然只是开始，要把数据变成有效的数据资源、把数据资源变成数据资产，把数据资产价值化、变成“钱”，这是一连串复杂的事情。
从商务智能升级到数据资产管理，贯穿银行20多年的数据沉淀、打通数据资产的全生命周期，这是很多银行都想做的事情。中电金信希望用刚刚发布的“源启数据资产平台”来打开这个新的蓝海市场。
一、从“拉式”到“推式”
2022年2月，工商银行在推出集团数字化品牌“数字工行（D-ICBC）时，从对内和对外两个方面阐述了自己的数字化发展方向：在内部管理方面，持续优化企业级数据资产管理体系，全面推动数据管理工作和数据平台建设升级转型，实现价值创造；在对外合作方面，深度参与数据要素市场化改革，稳妥开展数据合作共享，打造智能化数据产品体系，推动发展模式由经营资产向经营数据转型。
这基本代表了国内商业银行数字化转型的基本方向。
中国光大银行副行长杨兵兵也表示，光大银行将数据作为重要战略资产进行管理和运营。一方面，筑牢内部基础建设，推进数据资产管理平台、数据中台建设等工作，建立数据标准，提升数据质量，重视“管好数”，更重视“用好数”，培养内部数据文化。另一方面，积极投身国家数据要素市场建设大局，在前沿领域探索实践，并与北京国际大数据交易所开展战略合作，探索数据要素多元发展模式。
中国商业银行对数据管理的重视，时间也不短了。光大银行就是最早开展数据管理的银行之一。
“第一波其实是做标准，2006年、2007年由光大银行开始做。”中电金信商业分析事业部总经理、中电金信数据研发委员会主席杜啸争介绍，2006年之前各银行被淹没在数据的海洋之中，虽然纷纷上马数据仓库系统，然而面临着缺乏确凿、可信、有效数据的瓶颈问题，因此需在数据集中集成的基础上，加强各类业务数据的整合与清理。之后国内银行业开始努力探索提高数据管理能力，通过统一数据规范、统一数据交换，开展数据检核，使各业务系统的数据能够合理分布、有序流动，形成统一业务视图，提升数据质量。国内商业银行的数据治理自此开始，而数据治理，是数据资产管理的基石。
从2010年之后，商业银行数据治理进入百花齐放的蓬勃发展阶段，2013年后进入大数据阶段，从传统数据治理到大数据治理的转型应势而生，一直发展到今天，形成了银行业数据资产管理的发展趋势。
杜啸争认为，当前商业银行数据资产管理主要受四个方面驱动：
第一个是数据治理方面受监管驱动，这是最大的一个驱动力，而且是一个很好的抓手。
第二个是银行整体数字化转型的需求，尤其是从去年年底到今年年初，银行把数据管理部变成一级部门，和传统的公司部、零售部平级，银行第一次把数据管理部从科技里独立出来成为一级部，这是为了推进全行的数字化转型，而全行的数字化转型最大的一个驱动力，就是数据驱动，而数据驱动的基础，是数据质量和数据治理的问题。
第三个，是对于数据应用需求的急迫性。我们看到很多银行的数据资产管理的驱动是“拉式”的，用户有需求我再反推科技部门去做。但现在逐渐变成了“推式”，由业务部门来主导为去推，同时业务部门建了很多的数据分析团队，要求数据快速接入，快速应用，这就要求科技部门能够实现DataOps这种理念，实现数据的快速迭代。
第四个，数据交易市场对于数据产品的要求是尽量标准化，商业银行要进入和运用数据交易市场，就要有高质量的数据资产管理。
“大家都很清楚，靠传统的信贷或者利差的这种发展方式，其实银行已经有一定的瓶颈，到底如何能够去带来银行的第二发展曲线？”杜啸争说，各个银行今天之所以这么重视数据管理部，就是希望这么多年的数据积累能够变现，能够变成银行新的利润增长曲线。
从这个视角来看的话，数据资产管理能够给银行带来几个方面的业务价值：
一、一旦数据要素市场真正的形成交易规模，数据资产管理能够给银行带来直接收益。
二、银行的发展无非就是开源节流，节流方面，最重要的一个方式就是把银行所有的内容能够用数据的方式来表现，一切业务数据化，最终通过数据的方式能够很快找到业务中的问题，反向推进问题的解决。一切业务数据化，相当于建立数字原生企业，帮助银行实现业务的全流程监控，反向推动整个业务的提速。
三、银行现在主要有两个数据应用方向，营销和风控。通过底层的数据平台整合之后，通过AI算法，无论是在营销的准确度，还是在客户渠道推荐上都得到明显的提升，带来很大的收益。而数字化风控平台，可以减少从贷前、贷中、贷后整个过程中的风险，识别出优质客户和风险客户。
二、“四可”要求，四大痛点
从每时每刻都在生成海量数据，到形成可以便捷使用，到可以交易的数据资产，在当下依然殊非易事。
虽然国家层面对数据资产还没有统一的定义，但是作为一种新兴的无形资产已经达成共识。中电金信认为，对数据资产的界定可以大致明确四个确认条件：外部变现或内部收益、可控制、可评估以及可计量。因此，对数据资产管理的要求可以总结为可看、可用、可管、可估。
可看：管理数据资产的先决条件是可以从海量的数据资源中识别出具有资产化价值的数据资源。只有能够为企业带来经济利益、具有交换价值和应用价值的数据资源才具备了确认为数据资产的条件。
可用：原始的数据资源仅是价值创造的“原材料”，数据资产只有以数据产品或服务的形式被最大限度地不断使用，才能衍生或积聚更大的价值。通过提供涵盖数据集、API数据、加密数据、数据分析报告、数据应用程序等数据产品，和包含数据采集、数据分析、数据可视化、数据安全、数据咨询等数据服务来直接满足数据消费者的使用需求。
可管：通过体系化活动职能来识别、度量、监控和预警数据在生命周期的每个阶段里可能发生的数据可用性问题，通过模型管理、标准管理、质量管理等管理手段保证和提高数据质量，确保数据资产质量符合规范性、完整性等质量评价标准。通过数据安全管理活动，确保数据处于有效保护和合法利用的状态。
可估：数据资产管理通过构建囊括数据经济效益、业务效益、投入成本等衡量指标的价值评估体系，评估数据资产价值，为数据资产合理定价及市场流通奠定基础。
可以说，这每一项指标，商业银行都具备了一定的条件，但又都不完全满足。比如，数据价值的识别，可用性的标准化和开放规则，数据资产规范性的评估，目前都取得了丰富的成果，但体系化还不够。而数据资产价值的评估和定价，则依然是学界和业界争论不休的问题。
这些问题的解决，依赖于商业银行建立完整的、系统性的数据资产管理体系。杜啸争表示，当前商业银行建立数据资产管理体系，除了理论、规则、标准等，还面临几个具体的痛点：
第一，部门数据管理难。大型银行的数据管理体系都是逐步建立的，因为历史原因和缺少长期规划，大部分银行的数据都散落在不同数据管理平台。各类平台有不同的采集、加工、应用体系等内容，在全行数据资产一盘棋的情况下，数据管理部门需要耗费大量的精力来管理这些复杂的平台。
“如果从2000年算起，中国商业银行的数据管理已经走过了20多年。有的银行数据管理做得早，所以它今天的数据管理体系不是一蹴而就的，它系统内就存在很多相关联的小数据平台。”杜啸争说，“今天各个银行都在建设企业级数据平台、企业级的数据管理，但是如果你进去细看，基本上里头都还是一个个的小模块，这是我们要解决的第一个痛点，它需要有一个统一管理的模式。”
这就引发了架构迁移的难题。银行现有架构中有很多老的、旧的结构，如何在新的形势下，在云原生的架构下，逐渐迁移过来，这是一个难题。
第二，数据需求统一难。数据需求的多样化导致数据需求的管理方式也很多样，数据需求方往往缺乏技术部门和数据管理部门持续迭代的匹配体系支撑，导致已推进的很多数据应用并未取得预期成效，造成了管理成本巨大，业务需求也没有被很好的跟踪。
第三，源头数据治理难。大部分金融机构已经进行了多个波次的数据治理工作，从最初的全行数据标准建立、数据治理工具上线、再到数据质量问题的专项处理等，但从源头推进的数据治理工作在银行依然是举步维艰。
杜啸争说，让数据治理前置，才能更便捷地由场景化驱动业务发展，“如果只是把数据治理放在数据仓库，或者说大数据平台里头去做，其实是很难满足业务需求的。”
他介绍，中电金信现在跟某股份制银行合作，在企业架构建模的时候，数据治理团队会作为重要的一个分支参与进去，这样客户的数据需求在前期整个业务系统设计的时候就能够考虑进去。
第四，数据价值释放难。数据作为生产要素，如何从数据资源到数据资产，如何对数据资产进行自动化获取，如何通过价值评估让数据变成资产是各个金融机构面临的难点和痛点。
所以，商业银行需要全新的数据资产管理平台。它既能打通20年的历史数据积累，重整层层叠叠的小数据库，又能满足新形势下数据治理、数据资产化和价值流通的新需求。它既要不断改进商务智能的决策效率，又要持续提供数据价值化带来的新的利润增长点。
三、不是从0开始
中电金信要做这件事。
2022年12月15日，中电金信“源启数据资产平台”正式发布。该平台是中国电子金融级数字底座“源启”的重要组成，基于DataOps和DataFabric理念，以数据资产积累和数据价值创造为目标，利用大数据技术、AI技术以及数据安全技术，打造集数据管控平台、数据中台和AI平台为一体的数据智能底座。
“它重点解决的从数据的采集、存储、处理、加工、应用、治理、服务，以及数据资产的运营，它是端到端地解决了所有的数据资产管理问题。”杜啸争介绍，围绕数据全生命周期，平台为企业提供一站式的数据资产管理解决方案。
直面银行数据资产管理的四大痛点，源启通过四大途径帮助客户管数、用数提质增效。
一、建立数据治理体系，不断迭代解决数据质量和数据安全，以数据驱动整体推动业务发展；
二、形成支持不同业务的客户中台、风险中台、财务中台和监管中台，快速解决业务转型对于数据的需求；
三、构建了覆盖数据采、存、管、算、用的全生命周期数据治理闭环体系，实现资产盘点、估值和运营，助力企业实现第二增长曲线；
四、全面整合数据服务，以数据产品方式支持数据分析业务，解决业务用户取数难、获取数据时间久的难题。
平台采用云原生架构，可与多种云环境进行无缝集成和联通，实现快速部署和实施，支持数据敏捷开发，提供运维一体化服务。同时其独特的“组件式”可拆解设计，能够兼顾全面“端到端”需求和定制化专项服务，满足不同规模金融机构数字化转型需求。
而为了达到数据可看、可用、可管、可估的目标，中电金信以咨询为引领，形成了“1+2+3”的数据资产管理咨询体系，帮助客户实现数据驱动业务的转变，推动业务创新发展与新模式增长。
1个平台，解决管理信息化与在线服务化；
2套机制，指数据资产运营体系和数据安全合规体系，用来确保数据价值合规增值；
3个关键职能，包括数据治理、数据资产化和数据价值化，完成数据价值转化管理闭环。
“这并不是一个从0开始的产品。”杜啸争说，“我们的产品都是从项目实践中来的，我们完成了大大小小三四百个数据平台类项目，这种平台，有上千个应用。这是我们从所有的项目里头总结出来的一套产品。”
他介绍，中电金信正在服务的数百家客户里头，基本上覆盖了所有的数据管理相关的产品和工具，平台中的每一个细分模块，都进行过相关的实践。“内嵌了我们很多的行业经验，比如说企业级数据模型、企业级的质量管理体系、企业级的质量检核规则，这些都是中电金信的数据团队这么多年在金融行业的建设过程中积累的经验。”
这背后是一支国内领先的6000+规模的专业团队，涵盖实施、交付和咨询专家，在IDC数据智能/决策支持解决方案方面连续6年市场份额第一。杜啸争介绍到，“基本上国内主要的大型金融机构的数据平台和数据应用我们都参与了建设，尤其是六大国有行，十二家股份制和三家政策性银行。”近期，针对数据资产管理、聚焦数据治理理念与实践，中电金信推出了《数据治理白皮书》，致力为客户提供一套完善的产品，以及一套完整的数据治理、数据资产建设的咨询体系。
同时，源启数据资产平台也适应国产化趋势，实现了主流的国产硬件和软件产品的适配。
在数据资产管理和国产化双向驱动下，数据治理市场即将迎来高速增长。以数据治理助力金融业打造增长的“第二曲线”，中电金信对此充满信心。
参考文献：
涂子沛《大数据》
扫描下方二维码或点击文末“阅读原文”下载中电金信数据治理白皮书：
文章转发自零壹财经微信公众号，版权归其所有。文章内容不代表本站立场和任何投资暗示。
Copyright © 2021.Company 元宇宙YITB.COM All rights reserved.元宇宙YITB.COM
